TED2018
Tamekia MizLadi Smith: How to train employees to have difficult conversations
Tamekia MizLadi Smith: Cómo entrenar a los empleados a tener conversaciones difíciles
Filmed:
Readability: 3.9
2,028,253 views
Es hora de invertir en capacitación cara a cara que les permita a los empleados tener conversaciones difíciles, dice Tamekia MizLadi Smith. En una charla provocativa e ingeniosa, Smith comparte un programa de capacitación en el lugar de trabajo llamado "Soy G.R.A.C.E.D." que inspirará tanto a los jefes como a los empleados a comunicarse con compasión y respeto. En pocas palabras: siempre deje que las personas sepan por qué su trabajo importa.
Tamekia MizLadi Smith - Performer, mentor
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Tamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare. Full bio
Double-click the English transcript below to play the video.
00:12
We live in a world
where the collection of data
where the collection of data
0
968
2198
Vivimos en un mundo que recopila datos
00:15
is happening 24 hours a day,
seven days a week,
seven days a week,
1
3190
2548
las 24 horas del día,
los 7 días de la semana,
los 7 días de la semana,
00:17
365 days a year.
2
5762
2293
365 días al año.
00:20
This data is usually collected by
what we call a front-desk specialist now.
what we call a front-desk specialist now.
3
8730
4323
Usualmente estos datos los recopilan
los llamados especialistas de recepción.
los llamados especialistas de recepción.
00:25
These are the retail clerks
at your favorite department stores,
at your favorite department stores,
4
13077
3120
Son los vendedores al por menor de
sus grandes tiendas favoritas,
sus grandes tiendas favoritas,
00:28
the cashiers at the grocery stores,
5
16221
2443
los cajeros en las tiendas de comestibles,
00:30
the registration specialists
at the hospital
at the hospital
6
18688
2605
los especialistas en registro del hospital
00:33
and even the person that sold you
your last movie ticket.
your last movie ticket.
7
21317
3114
e incluso la persona que les vendió
su último boleto de cine.
su último boleto de cine.
00:36
They ask discreet questions, like:
"May I please have your zip code?"
"May I please have your zip code?"
8
24908
3875
Hacen preguntas discretas, como:
"¿Me da su código postal?".
"¿Me da su código postal?".
00:40
Or, "Would you like to use
your savings card today?"
your savings card today?"
9
28807
3111
O, "¿Le gustaría usar
su tarjeta de ahorros hoy?".
su tarjeta de ahorros hoy?".
00:44
All of which gives us data.
10
32369
2309
Todo lo cual nos da datos.
00:46
However, the conversation
becomes a little bit more complex
becomes a little bit more complex
11
34702
4587
Sin embargo, la conversación
se vuelve un poco más compleja
se vuelve un poco más compleja
00:51
when the more difficult questions
need to be asked.
need to be asked.
12
39313
3318
cuando se necesita formular
las preguntas más difíciles.
las preguntas más difíciles.
00:54
Let me tell you a story, see.
13
42655
1793
Déjenme contarles una historia.
00:56
Once upon a time, there was
a woman named Miss Margaret.
a woman named Miss Margaret.
14
44750
3018
Había una vez una mujer
llamada Srta. Margaret.
llamada Srta. Margaret.
00:59
Miss Margaret had been
a front-desk specialist
a front-desk specialist
15
47792
2151
La Srta. Margaret había sido
especialista en recepción
especialista en recepción
01:01
for almost 20 years.
16
49967
1460
por casi 20 años.
01:03
And in all that time, she has never,
and I do mean never,
and I do mean never,
17
51451
3817
Y en todo ese tiempo, nunca,
y quiero decir nunca,
y quiero decir nunca,
01:07
had to ask a patient their gender,
race or ethnicity.
race or ethnicity.
18
55292
3520
tuvo que preguntarle a un paciente
su género, raza o etnia.
su género, raza o etnia.
01:10
Because, see, now Miss Margaret
has the ability to just look at you.
has the ability to just look at you.
19
58836
3223
Porque, la Srta. Margaret
tenía la capacidad de mirarte.
tenía la capacidad de mirarte.
01:14
Uh-huh.
20
62083
1158
Aha.
01:15
And she can tell
if you are a boy or a girl,
if you are a boy or a girl,
21
63265
2777
Y podía decir si eres un niño o una niña,
01:18
black or white, American or non-American.
22
66066
3237
blanco o negro, estadounidense o no.
01:21
And in her mind,
those were the only categories.
those were the only categories.
23
69327
3238
Y en su mente,
esas eran las únicas categorías.
esas eran las únicas categorías.
01:24
So imagine that grave day,
24
72589
2016
Imaginen ese grave día,
01:26
when her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
25
74629
4893
en que su descarado supervisor la invitó
a esta reunión de "cambiar todo"
a esta reunión de "cambiar todo"
01:31
and told her that would have to ask
each and every last one of her patients
each and every last one of her patients
26
79546
3634
y le dijo que tendría que pedirle a
todos y cada uno de sus pacientes
todos y cada uno de sus pacientes
01:35
to self-identify.
27
83204
1405
que se autoidentificaran.
01:36
She gave her six genders,
eight races and over 100 ethnicities.
eight races and over 100 ethnicities.
28
84633
4770
Le dio seis géneros, ocho razas
y más de 100 etnias.
y más de 100 etnias.
01:41
Well, now, Miss Margaret was appalled.
29
89427
2588
La Srta Margaret estaba horrorizada.
01:44
I mean, highly offended.
30
92039
1397
Quiero decir, muy ofendida.
01:45
So much so that she marched down
to that human-resource department
to that human-resource department
31
93460
3331
Tanto que fue al departamento
de recursos humanos
de recursos humanos
para ver si era apta
para una jubilación anticipada.
para una jubilación anticipada.
01:48
to see if she was eligible
for an early retirement.
for an early retirement.
32
96815
2524
01:51
And she ended her rant by saying
33
99363
1960
Y terminó su diatriba diciendo
01:53
that her sassy supervisor invited her
to this "change everything" meeting
to this "change everything" meeting
34
101347
4870
que su descarado supervisor la invitó
a esta reunión de "cambiar todo"
a esta reunión de "cambiar todo"
01:58
and didn't, didn't, even, even
35
106241
2024
y ni siquiera, ni siquiera
02:00
bring, bring food, food, food, food.
36
108289
3028
trajo, trajo, comida,
comida, comida, comida.
comida, comida, comida.
02:03
(Laughter)
37
111341
1154
(Risas)
02:04
(Applause) (Cheers)
38
112519
5067
(Aplausos) (Ovaciones)
02:10
You know you've got to bring food
to these meetings.
to these meetings.
39
118681
2434
Ya saben, tienes que llevar
comida a estas reuniones.
comida a estas reuniones.
02:13
(Laughter)
40
121139
2343
(Risas)
02:15
Anyway.
41
123506
1159
Como sea.
02:16
(Laughter)
42
124689
1508
(Risas)
02:18
Now, that was an example
of a healthcare setting,
of a healthcare setting,
43
126221
2769
Ese fue un ejemplo de
un entorno de atención médica,
un entorno de atención médica,
02:21
but of course, all businesses
collect some form of data.
collect some form of data.
44
129014
3333
pero, claro, todas las empresas
recopilan algún tipo de información.
recopilan algún tipo de información.
02:24
True story: I was going
to wire some money.
to wire some money.
45
132371
3142
Historia verdadera:
iba a enviar un dinero.
iba a enviar un dinero.
02:28
And the customer service
representative asked me
representative asked me
46
136165
2555
Y el representante de
servicio al cliente me preguntó
servicio al cliente me preguntó
02:30
if I was born in the United States.
47
138744
2334
si había nacido en EE. UU.
02:33
Now, I hesitated to answer her question,
48
141419
2381
Vacilé en responder su pregunta,
02:35
and before she even realized
why I hesitated,
why I hesitated,
49
143824
3130
y antes de que ella se diera
cuenta por qué dudaba,
cuenta por qué dudaba,
comenzó a mandar a los leones
a la compañía para la que trabajaba.
a la compañía para la que trabajaba.
02:38
she began to throw the company
she worked for under the bus.
she worked for under the bus.
50
146978
3015
02:42
She said, "Girl, I know it's stupid,
but they makin' us ask this question."
but they makin' us ask this question."
51
150017
5072
Dijo, "Chica, sé que es estúpido,
pero ellos nos hacen hacer esta pregunta".
pero ellos nos hacen hacer esta pregunta".
02:47
(Laughter)
52
155113
1151
(Risas)
02:48
Because of the way she presented it to me,
53
156288
2073
Por la forma en que me lo presentó,
02:50
I was like, "Girl, why?
54
158385
1600
yo estaba como, "Chica, ¿por qué?
02:52
Why they makin' you ask this question?
55
160561
2230
¿Por qué te hacen hacer esta pregunta?
02:54
Is they deportin' people?"
56
162815
1802
¿Están deportando gente?
02:56
(Laughter)
57
164641
2142
(Risas)
02:58
But then I had to turn on
the other side of me,
the other side of me,
58
166807
2222
Pero luego tuve que encender mi otro lado,
03:01
the more professional
speaker-poet side of me.
speaker-poet side of me.
59
169053
2568
mi lado más profesional de orador-poeta.
03:04
The one that understood that there were
little Miss Margarets all over the place.
little Miss Margarets all over the place.
60
172164
4150
El que entendió que había pequeñas
Srtas. Margarets por todos lados.
Srtas. Margarets por todos lados.
03:08
People who were good people,
maybe even good employees,
maybe even good employees,
61
176871
2968
Gente que era buena gente,
tal vez incluso buenos empleados,
tal vez incluso buenos empleados,
pero carecía de la capacidad de
hacer sus preguntas correctamente
hacer sus preguntas correctamente
03:11
but lacked the ability
to ask their questions properly
to ask their questions properly
62
179863
2552
03:14
and unfortunately, that made her look bad,
63
182439
2535
y, por desgracia, eso la hizo quedar mal,
03:16
but the worst, that made
the business look even worse
the business look even worse
64
184998
3246
pero lo peor, hizo que la empresa
pareciera aún peor
pareciera aún peor
03:20
than how she was looking.
65
188268
1666
de cómo ella la estaba mirando.
03:22
Because she had no idea who I was.
66
190236
1767
Porque no tenía idea de quién era yo.
03:24
I mean, I literally could have been
a woman who was scheduled to do a TED Talk
a woman who was scheduled to do a TED Talk
67
192027
3685
Es decir, literalmente podría
haber sido una mujer
haber sido una mujer
programada para dar una charla TED
y usarla como ejemplo.
y usarla como ejemplo.
03:27
and would use her as an example.
68
195736
1778
03:29
Imagine that.
69
197538
1300
Imaginen eso.
03:30
(Applause)
70
198862
4262
(Aplausos)
03:35
And unfortunately,
71
203148
1183
Y desafortunadamente,
lo que sucede es que las personas
se niegan a responder las preguntas,
se niegan a responder las preguntas,
03:36
what happens is people would decline
to answer the questions,
to answer the questions,
72
204355
2895
03:39
because they feel like
you would use the information
you would use the information
73
207274
2509
porque sienten que usarás la información
03:41
to discriminate against them,
74
209807
1425
para discriminarlas,
03:43
all because of how you presented
the information.
the information.
75
211256
2391
todo por la forma en que
presentas la información.
presentas la información.
03:45
And at that point, we get bad data.
76
213671
1778
Y en ese punto, logramos datos malos.
03:47
And everybody knows what bad data does.
77
215473
2111
Y todos saben lo que
hacen los datos malos.
hacen los datos malos.
03:49
Bad data costs you time,
it costs you money
it costs you money
78
217608
2793
Los datos malos cuestan tiempo, dinero
03:52
and it costs you resources.
79
220425
1946
y recursos.
03:54
Unfortunately, when you have bad data,
80
222395
2563
Desafortunadamente,
cuando tienes datos malos,
cuando tienes datos malos,
03:56
it also costs you a lot more,
81
224982
3079
también cuesta mucho más,
04:00
because we have health disparities,
82
228085
2395
porque tenemos disparidades en salud,
04:02
and we have social determinants of health,
83
230504
2214
y tenemos determinantes
sociales en salud,
sociales en salud,
04:04
and we have the infant mortality,
84
232742
1658
y tenemos mortalidad infantil,
04:06
all of which depends
on the data that we collect,
on the data that we collect,
85
234424
2643
todo lo cual depende de
los datos que recopilamos,
los datos que recopilamos,
04:09
and if we have bad data,
than we have those issues still.
than we have those issues still.
86
237091
3248
y si tenemos datos malos,
aún tenemos esos problemas.
aún tenemos esos problemas.
04:12
And we have underprivileged populations
87
240363
1899
Y tenemos poblaciones desfavorecidas
04:14
that remain unfortunate
and underprivileged,
and underprivileged,
88
242286
2791
que siguen siendo desafortunadas
y desfavorecidas,
y desfavorecidas,
04:17
because the data that we're using
is either outdated,
is either outdated,
89
245101
3926
porque los datos que usamos
no están actualizados,
no están actualizados,
04:21
or is not good at all
or we don't have anything at all.
or we don't have anything at all.
90
249051
3293
o no son buenos en absoluto
o no tenemos nada en absoluto.
o no tenemos nada en absoluto.
¿No sería increíble
si a la gente le gusta la Srta. Margaret
si a la gente le gusta la Srta. Margaret
04:24
Now, wouldn't it be amazing
if people like Miss Margaret
if people like Miss Margaret
91
252987
2636
04:27
and the customer-service
representative at the wiring place
representative at the wiring place
92
255647
3150
y el representante de atención
al cliente en el lugar de conexión
al cliente en el lugar de conexión
04:30
were graced to collect data
with compassionate care?
with compassionate care?
93
258821
4374
fueran agraciados al recopilar datos
con compasión y cuidado?
con compasión y cuidado?
04:35
Can I explain to you
what I mean by "graced?"
what I mean by "graced?"
94
263562
2317
¿Puedo explicarles lo que
quiero decir con "agraciado"?
quiero decir con "agraciado"?
04:38
I wrote an acrostic poem.
95
266324
1666
Escribí un poema acróstico.
04:40
G: Getting the front desk specialist
involved and letting them know
involved and letting them know
96
268300
4773
G: Ganarse a los especialistas
de recepción y hacerles saber la
de recepción y hacerles saber la
04:45
R: the Relevance of their role
as they become
as they become
97
273097
3953
R: Relevancia de su rol
a medida que se vuelven
a medida que se vuelven
04:49
A: Accountable for the accuracy
of data while implementing
of data while implementing
98
277074
3531
A: Apoderados de la precisión de
los datos durante la implementación con
los datos durante la implementación con
04:52
C: Compassionate care within
all encounters by becoming
all encounters by becoming
99
280629
4044
C: Cuidado compasivo en todos
los encuentros al estar
los encuentros al estar
04:56
E: Equipped with the education
needed to inform people
needed to inform people
100
284697
3301
E: Equipados con la educación necesaria
para informar a las personas
para informar a las personas
05:00
of why data collection is so important.
101
288022
3293
de por qué la recopilación
de datos es tan importante.
de datos es tan importante.
05:04
(Applause)
102
292315
2949
(Aplausos)
05:07
Now, I'm an artist.
103
295288
2096
Soy artista.
05:09
And so what happens with me
104
297408
1674
Y lo que me pasa
05:11
is that when I create
something artistically,
something artistically,
105
299106
2174
es que cuando creo algo artísticamente,
el entrenador en mí también se despierta.
05:13
the trainer in me is awakened as well.
106
301304
1923
05:15
So what I did was, I began to develop
that acrostic poem into a full training
that acrostic poem into a full training
107
303251
4072
Lo que hice fue, desarrollar un poema
acróstico en un entrenamiento completo
acróstico en un entrenamiento completo
05:19
entitled "I'm G.R.A.C.E.D."
108
307347
1548
titulado "Soy Agraciado"
Porque recuerdo, siendo
el especialista de la recepción,
el especialista de la recepción,
05:20
Because I remember,
being the front-desk specialist,
being the front-desk specialist,
109
308919
2841
y cuando fui a la oficina de equidad
para comenzar a trabajar,
para comenzar a trabajar,
05:23
and when I went to the office
of equity to start working,
of equity to start working,
110
311784
2674
05:26
I was like, "Is that why they asked us
to ask that question?"
to ask that question?"
111
314482
3555
estaba como, "¿Es por eso que nos
pidieron que hiciéramos esa pregunta?".
pidieron que hiciéramos esa pregunta?".
05:30
It all became a bright light to me,
112
318061
1768
Se convirtió en luz brillante para mí
05:31
and I realized that I asked people
and I told people about --
and I told people about --
113
319853
3637
y comprendí que le pregunté a la
gente y le dije a la gente acerca de...
gente y le dije a la gente acerca de...
05:35
I called them by the wrong gender,
I called them by the wrong race,
I called them by the wrong race,
114
323514
3284
los llamé por el género equivocado,
los llamé por la raza incorrecta,
los llamé por la raza incorrecta,
05:38
I called them by the wrong ethnicity,
115
326822
1803
los llamé por el origen étnico equivocado,
05:40
and the environment became hostile,
116
328649
2007
y el ambiente se volvió hostil,
05:42
people was offended and I was frustrated
because I was not graced.
because I was not graced.
117
330680
4284
la gente se ofendió y me sentí
frustrada porque no fui agraciada.
frustrada porque no fui agraciada.
05:46
I remember my computerized training,
118
334988
2587
Recuerdo mi entrenamiento computarizado
05:49
and unfortunately, that training did not
prepare me to deescalate a situation.
prepare me to deescalate a situation.
119
337599
5626
y desafortunadamente, ese entrenamiento
no me preparó para analizar la situación.
no me preparó para analizar la situación.
05:55
It did not prepare me to have
teachable moments when I had questions
teachable moments when I had questions
120
343249
3376
No me preparé para tener momentos
de enseñanza cuando tenía preguntas
de enseñanza cuando tenía preguntas
05:58
about asking the questions.
121
346649
1658
sobre hacer las preguntas.
06:00
I would look at the computer and say,
"So, what do I do when this happens?"
"So, what do I do when this happens?"
122
348331
3564
Miraba la computadora y decía: "Y,
¿qué hago cuando esto sucede?".
¿qué hago cuando esto sucede?".
06:03
And the computer would say ...
123
351919
1858
Y la computadora diría...
06:05
nothing, because a computer
cannot talk back to you.
cannot talk back to you.
124
353801
3268
nada, porque una computadora
no puede responderte.
no puede responderte.
06:09
(Laughter)
125
357093
3207
(Risas)
06:12
So that's the importance
of having someone there
of having someone there
126
360324
2571
Esa es la importancia
de tener a alguien allí
de tener a alguien allí
06:14
who was trained to teach you
and tell you what you do
and tell you what you do
127
362919
2777
que fue entrenado para enseñarte
y decirte qué hacer
y decirte qué hacer
06:17
in situations like that.
128
365720
1690
en situaciones como esa.
06:20
So, when I created
the "I'm G.R.A.C.E.D" training,
the "I'm G.R.A.C.E.D" training,
129
368030
2626
Entonces, cuando creé el
entrenamiento "Soy Agraciada",
entrenamiento "Soy Agraciada",
06:22
I created it with that experience
that I had in mind,
that I had in mind,
130
370680
2994
lo creé con esa experiencia
que tenía en mente,
que tenía en mente,
06:25
but also that conviction
that I had in mind.
that I had in mind.
131
373698
2516
pero también esa convicción
que tenía en mente.
que tenía en mente.
Porque quería el diseño
instruccional de esto
instruccional de esto
06:28
Because I wanted
the instructional design of it
the instructional design of it
132
376238
2253
fuera un espacio seguro para
el diálogo abierto para las personas.
el diálogo abierto para las personas.
06:30
to be a safe space
for open dialogue for people.
for open dialogue for people.
133
378515
2778
06:33
I wanted to talk about biases,
134
381317
1895
Yo quería hablar sobre los prejuicios,
06:35
the unconscious ones
and the conscious ones,
and the conscious ones,
135
383236
2397
los inconscientes y los conscientes,
06:37
and what we do.
136
385657
1166
y que hacemos.
06:38
Because now I know
that when you engage people in the why,
that when you engage people in the why,
137
386847
3944
Porque ahora sé que cuando
involucras a la gente en el porqué,
involucras a la gente en el porqué,
06:42
it challenges their perspective,
and it changes their attitudes.
and it changes their attitudes.
138
390815
3476
desafías su perspectiva
y cambias sus actitudes.
y cambias sus actitudes.
06:46
Now I know that data
that we have at the front desk
that we have at the front desk
139
394315
3159
Ahora sé que los datos
que tenemos en la recepción
que tenemos en la recepción
06:49
translates into research that eliminates
disparities and finds cures.
disparities and finds cures.
140
397498
4813
se traduce en investigaciones que eliminan
las disparidades y encuentran curas.
las disparidades y encuentran curas.
06:54
Now I know that teaching people
transitional change
transitional change
141
402335
3706
Ahora sé que enseñar a las
personas cambio transicional
personas cambio transicional
06:58
instead of shocking them into change
142
406065
2846
en lugar de sorprenderlos con el cambio
07:00
is always a better way
of implementing change.
of implementing change.
143
408935
3255
es siempre una mejor forma
de implementar el cambio.
de implementar el cambio.
07:04
See, now I know people are more likely
to share information
to share information
144
412214
3046
Ahora sé que las personas son
más propensas a compartir información
más propensas a compartir información
07:07
when they are treated with respect
by knowledgeable staff members.
by knowledgeable staff members.
145
415284
3859
cuando son tratadas con respeto por
conocedores miembros del personal.
conocedores miembros del personal.
07:11
Now I know that you
don't have to be a statistician
don't have to be a statistician
146
419167
3021
Ahora sé que no hay que ser un estadístico
07:14
to understand the power
and the purpose of data,
and the purpose of data,
147
422212
3001
para comprender el poder
y el propósito de los datos,
y el propósito de los datos,
07:17
but you do have to treat people
with respect and have compassionate care.
with respect and have compassionate care.
148
425237
4364
sino que tienes que tratar a las personas
con respeto y tener cuidados compasivos.
con respeto y tener cuidados compasivos.
07:21
Now I know that when you've been graced,
149
429625
2825
Ahora sé que cuando te han honrado,
07:24
it is your responsibility
to empower somebody else.
to empower somebody else.
150
432474
3376
es tu responsabilidad
potenciar a otra persona.
potenciar a otra persona.
07:27
But most importantly, now I know
151
435874
2425
Pero lo más importante, ahora sé
07:30
that when teaching human beings
152
438323
2413
que cuando se enseña a los seres humanos
07:32
to communicate with other human beings,
153
440760
3079
a comunicarse con otros seres humanos,
07:35
it should be delivered by a human being.
154
443863
3785
debe ser entregado por un ser humano.
07:40
(Applause)
155
448117
6792
(Aplausos)
07:46
So when y'all go to work
156
454933
1849
Entonces cuando vayan a trabajar
07:48
and y'all schedule that
"change everything" meeting --
"change everything" meeting --
157
456806
3335
y programen esa reunión
de "cambiar todo" -
de "cambiar todo" -
07:52
(Laughter)
158
460165
1650
(Risas)
07:53
remember Miss Margaret.
159
461839
1515
recuerden a la Srta. Margaret.
07:55
And don't forget the food, the food,
the food, the food.
the food, the food.
160
463792
3819
Y no se olviden de la comida,
la comida, la comida, la comida.
la comida, la comida, la comida.
08:00
Thank you.
161
468103
1151
Gracias.
08:01
(Applause) (Cheers)
162
469278
5475
(Aplausos) (Ovaciones)
08:06
Thank you.
163
474777
1175
Gracias.
08:07
(Applause)
164
475976
1595
(Aplausos)
ABOUT THE SPEAKER
Tamekia MizLadi Smith - Performer, mentorTamekia MizLadi Smith wants to start new conversations around involving non-clinical staff in healthcare.
Why you should listen
As a spoken-word performer, Tamekia MizLadi Smith educates and empowers her audiences with what she calls EDUtainment, a witty combination of music and storytelling. She has worked as a consultant and mentor for programs such as Girls in Action, Dear Sistah Girlfriend and the Columbus City Schools. Her forthcoming book, True Story, explores how to improve community health through mentoring and creative arts.
Tamekia MizLadi Smith | Speaker | TED.com